大型时间序列数据集的快速分类
机器学习
2023-12-12 v1
摘要
时间序列分类（TSC）是时间序列挖掘中最重要的任务，在医学、气象学、金融网络安全等领域有众多应用。随着时间序列数据集规模的不断增大，许多传统的 TSC 方法在处理这些超大数据集时已不再高效。然而，近期大多数 TSC 论文主要关注准确性，采用深度学习等方法，这些方法需要大量计算资源，无法高效应用于超大数据集。本文提出的方法专注于这些超大型时间序列数据集，主要目标是效率。我们通过时间序列的简化表示来实现这一点，并辅以仅考虑表示时间序列部分数值的距离度量。这种组合产生了一种非常高效的 TSC 表示方法。我们通过实验与另一种以高效著称的时间序列方法进行了对比。实验表明，我们的方法不仅平均速度快 4 倍，而且在分类准确性上也更优，在 29 个测试的时间序列数据集中有 24 个取得了更好的结果。
引用
@article{arxiv.2312.06029,
title = {Fast Classification of Large Time Series Datasets},
author = {Muhammad Marwan Muhammad Fuad},
journal= {arXiv preprint arXiv:2312.06029},
year = {2023}
}